【加密】JM032 – 深度学习框架-PyTorch实战 [10.9G]

【加密】JM032 – 深度学习框架-PyTorch实战 [10.9G]
┣━━01.视频 [8.1G]
┃ ┣━━001 PyTorch实战课程简介.vep [36.2M]
┃ ┣━━002 PyTorch框架发展趋势简介.vep [58.2M]
┃ ┣━━003 框架安装方法（CPU与GPU版本）.vep [37M]
┃ ┣━━004 PyTorch基本操作.vep [58.7M]
┃ ┣━━005 课程数据代码下载（已下载）.html [1008B]
┃ ┣━━006 自动求导机制.vep [68.7M]
┃ ┣━━007 线性回归DEMO-数据与参数配置.vep [47.7M]
┃ ┣━━008 线性回归DEMO-训练回归模型.vep [69M]
┃ ┣━━009 补充：常见tensor格式.vep [39.2M]
┃ ┣━━010 补充：Hub模块简介.vep [90.6M]
┃ ┣━━011 气温数据集与任务介绍.vep [55M]
┃ ┣━━012 按建模顺序构建完成网络架构.vep [82.8M]
┃ ┣━━013 简化代码训练网络模型.vep [86.6M]
┃ ┣━━014 分类任务概述.vep [30.8M]
┃ ┣━━015 构建分类网络模型.vep [68.8M]
┃ ┣━━016 DataSet模块介绍与应用方法.vep [83M]
┃ ┣━━017 卷积神经网络应用领域.vep [71M]
┃ ┣━━018 卷积的作用.vep [54.5M]
┃ ┣━━019 卷积特征值计算方法.vep [61.1M]
┃ ┣━━020 得到特征图表示.vep [47M]
┃ ┣━━021 步长与卷积核大小对结果的影响.vep [49.2M]
┃ ┣━━022 边缘填充方法.vep [49.6M]
┃ ┣━━023 特征图尺寸计算与参数共享.vep [52.8M]
┃ ┣━━024 池化层的作用.vep [22.2M]
┃ ┣━━025 整体网络架构.vep [53.3M]
┃ ┣━━026 VGG网络架构.vep [55.4M]
┃ ┣━━027 残差网络Resnet.vep [44.6M]
┃ ┣━━028 感受野的作用.vep [39.3M]
┃ ┣━━029 卷积网络参数定义.vep [54.9M]
┃ ┣━━030 网络流程解读.vep [71.4M]
┃ ┣━━031 Vision模块功能解读.vep [43.2M]
┃ ┣━━032 分类任务数据集定义与配置.vep [59.1M]
┃ ┣━━033 图像增强的作用.vep [42.7M]
┃ ┣━━034 数据预处理与数据增强模块.vep [88.4M]
┃ ┣━━035 Batch数据制作.vep [78.8M]
┃ ┣━━036 迁移学习的目标.vep [31.9M]
┃ ┣━━037 迁移学习策略.vep [36.9M]
┃ ┣━━038 加载训练好的网络模型.vep [87.2M]
┃ ┣━━039 优化器模块配置.vep [44.5M]
┃ ┣━━040 实现训练模块.vep [68.1M]
┃ ┣━━041 训练结果与模型保存.vep [77.5M]
┃ ┣━━042 加载模型对测试数据进行预测.vep [88.5M]
┃ ┣━━043 额外补充-Resnet论文解读.vep [141.7M]
┃ ┣━━044 额外补充-Resnet网络架构解读.vep [39.9M]
┃ ┣━━045 RNN网络架构解读.vep [49.3M]
┃ ┣━━046 词向量模型通俗解释.vep [48.4M]
┃ ┣━━047 模型整体框架.vep [62.8M]
┃ ┣━━048 训练数据构建.vep [37.6M]
┃ ┣━━049 CBOW与Skip-gram模型.vep [50.8M]
┃ ┣━━050 负采样方案.vep [55M]
┃ ┣━━051 任务目标与数据简介.vep [60.9M]
┃ ┣━━052 RNN模型所需输入格式解析.vep [47.9M]
┃ ┣━━053 项目配置参数设置.vep [80.5M]
┃ ┣━━054 新闻数据读取与预处理方法.vep [66.1M]
┃ ┣━━055 LSTM网络模块定义与参数解析.vep [75.4M]
┃ ┣━━056 训练LSTM文本分类模型.vep [79.5M]
┃ ┣━━057 Tensorboardx可视化展示模块搭建.vep [77.7M]
┃ ┣━━058 CNN应用于文本任务原理解析.vep [57.9M]
┃ ┣━━059 网络模型架构与效果展示.vep [94.2M]
┃ ┣━━060 对抗生成网络通俗解释.vep [58.8M]
┃ ┣━━061 GAN网络组成.vep [26.8M]
┃ ┣━━062 损失函数解释说明.vep [93.6M]
┃ ┣━━063 数据读取模块.vep [65.8M]
┃ ┣━━064 生成与判别网络定义.vep [78.8M]
┃ ┣━━065 CycleGan网络所需数据.vep [75.9M]
┃ ┣━━066 CycleGan整体网络架构.vep [48.9M]
┃ ┣━━067 PatchGan判别网络原理.vep [28M]
┃ ┣━━068 Cycle开源项目简介.vep [68.5M]
┃ ┣━━069 数据读取与预处理操作.vep [105.4M]
┃ ┣━━070 生成网络模块构造.vep [106.1M]
┃ ┣━━071 判别网络模块构造.vep [44.3M]
┃ ┣━━072 损失函数：identity loss计算方法.vep [83.4M]
┃ ┣━━073 生成与判别损失函数指定.vep [116.6M]
┃ ┣━━074 额外补充：VISDOM可视化配置.vep [55.7M]
┃ ┣━━075 OCR文字识别要完成的任务.vep [61.4M]
┃ ┣━━076 CTPN文字检测网络概述.vep [44.7M]
┃ ┣━━077 序列网络的作用.vep [53.2M]
┃ ┣━━078 输出结果含义解析.vep [37.3M]
┃ ┣━━079 CTPN细节概述.vep [49.6M]
┃ ┣━━080 CRNN识别网络架构.vep [36.7M]
┃ ┣━━081 CTC模块的作用.vep [21.9M]
┃ ┣━━082 OCR文字检测识别项目效果展示.vep [37.1M]
┃ ┣━━083 OCR文字检测识别项目效果展示.vep [64.1M]
┃ ┣━━084 检测模块候选框生成.vep [73.7M]
┃ ┣━━085 候选框标签制作.vep [77.3M]
┃ ┣━━086 整体网络所需模块.vep [43.1M]
┃ ┣━━087 网络架构各模块完成的任务解读.vep [69.5M]
┃ ┣━━088 CRNN识别模块所需数据与标签.vep [36.8M]
┃ ┣━━089 识别模块网络架构解读.vep [84M]
┃ ┣━━090 3D卷积原理解读.vep [56.8M]
┃ ┣━━091 UCF101动作识别数据集简介.vep [67.3M]
┃ ┣━━092 测试效果与项目配置.vep [108.7M]
┃ ┣━━093 视频数据预处理方法.vep [65.7M]
┃ ┣━━094 数据Batch制作方法.vep [90.4M]
┃ ┣━━095 3D卷积网络所涉及模块.vep [79.7M]
┃ ┣━━096 训练网络模型.vep [80.1M]
┃ ┣━━097 BERT任务目标概述.vep [25M]
┃ ┣━━098 传统解决方案遇到的问题.vep [53M]
┃ ┣━━099 注意力机制的作用.vep [38.2M]
┃ ┣━━100 self-attention计算方法.vep [53.4M]
┃ ┣━━101 特征分配与softmax机制.vep [49M]
┃ ┣━━102 Multi-head的作用.vep [44.4M]
┃ ┣━━103 位置编码与多层堆叠.vep [42.3M]
┃ ┣━━104 transformer整体架构梳理.vep [47.8M]
┃ ┣━━105 BERT模型训练方法.vep [45M]
┃ ┣━━106 训练实例.vep [55.8M]
┃ ┣━━107 BERT开源项目简介.vep [66.9M]
┃ ┣━━108 项目参数配置.vep [121.7M]
┃ ┣━━109 数据读取模块.vep [88.4M]
┃ ┣━━110 数据预处理模块.vep [93.3M]
┃ ┣━━111 tfrecord制作.vep [115.8M]
┃ ┣━━112 Embedding层的作用.vep [71.8M]
┃ ┣━━113 加入额外编码特征.vep [94.5M]
┃ ┣━━114 加入位置编码特征.vep [52.6M]
┃ ┣━━115 mask机制.vep [91.2M]
┃ ┣━━116 构建QKV矩阵.vep [118M]
┃ ┣━━117 完成Transformer模块构建.vep [96.9M]
┃ ┣━━118 训练BERT模型.vep [98.4M]
┃ ┣━━119 项目配置与环境概述.vep [59.1M]
┃ ┣━━120 数据读取与预处理.vep [45.8M]
┃ ┣━━121 网络结构定义.vep [63.9M]
┃ ┣━━122 训练网络模型.vep [75.3M]
┃ ┣━━123 项目模板各模块概述.vep [74.7M]
┃ ┣━━124 各模块配置参数解析.vep [78M]
┃ ┣━━125 数据读取与预处理模块功能解读.vep [98.1M]
┃ ┣━━126 模型架构模块.vep [62.5M]
┃ ┣━━127 训练模块功能.vep [94M]
┃ ┣━━128 训练结果可视化展示模块.vep [68.6M]
┃ ┗━━129 模块应用与BenckMark解读.vep [125.8M]
┗━━00.资料.zip [2.8G]

admin网站管理

收藏 海报 链接